工程の課題から
現場で役立つAI活用へ
BFAIが半導体製造のさまざまな場面で、因果分析、外観検査AI、MLOps、製造知識をどのように活用するかをご紹介します。
処理前に工程の結果を予測する
課題: ウェーハを装置で処理する前に、その結果を予測するのは容易ではありません。
アプローチ: 装置の履歴やセンサーデータをもとに、因果分析で工程の結果を予測し、パラメータの最適化を支援します。
歩留まり低下の原因を調査する
課題: 歩留まり低下には複数の工程や装置が関わる場合があり、根本原因を突き止めるまでに手間と時間がかかります。
アプローチ: 工程・装置・検査データを因果グラフで結び付け、「条件が違っていたらどうなったか」を検証。分析結果はローカルLLMがわかりやすく説明します。
製造現場の知見を設計に還元する
課題: 製造現場で得られた貴重な知見が設計部門まで届かず、次の製品開発に活かされないことがあります。
アプローチ: 因果分析の結果と工程知識を構造化して設計部門と共有し、次の設計改善につなげます。
外観検査を自動化し、精度を維持する
課題: 人手による欠陥レビューは負担が大きく、検査条件が変わるとAIモデルの精度が落ちることもあります。
アプローチ: 外観検査AIをエッジPCに導入して精度を継続的に監視し、MLOpsでモデルの再学習と更新を管理します。
基板検査工程全体を自動化する
課題: 自動光学検査を導入しても、欠陥の確認や分類には今も多くの人手がかかっています。
アプローチ: 既存の検査工程にAIによる確認・分類を組み込み、モデルの運用を現場の品質管理の仕組みに統合します。
専門知識を、すべてのフィールドエンジニアへ
課題: 技術文書やサービス記録、過去のトラブル対応の経験を、必要なときに探し出して活用するのは困難です。
アプローチ: 装置に関する知識を構造化し、オンプレミスで動くローカルLLMによって、必要な技術情報や対応手順をすぐに探せるようにします。
まずは製造現場の課題をお聞かせください
お客様の工程、データ、導入環境についてご相談ください。